[发明专利]一种基于darknet框架的物体检测系统

权利要求书

1.一种基于darknet框架的物体检测系统，其特征在于，包括

模型训练单元，用于设计darknet网络模型,darknet网络模型为卷积层和池化层的交替连接，对训练参数(包括学习率、)进行调整，利用数据集训练得到模型的权重参数；

预处理单元，用于收集合适的图片集，对图片集中的每一张图片进行物体标注，然后将标注信息转换成darknet训练所需的标注格式，并按照一定的比例生成相应的训练、验证、测试图片集；

定位识别单元；对预处理单元收集到的图片进行识别处理；

模型训练单元分别连接预处理单元和定位识别单元。

2.根据权利要求1所述的一种基于darknet框架的物体检测系统，其特征在于，所述定位识别单元的识别处理步骤具体是：首先将图像分割成S*S的格子，每个格子预测B个边界盒和边界盒的置信值C，置信值代表box包含一个目标的置信度，如果没有目标，置信值为零。每一个边界盒包含5个值：x，y，w，h和confidence。(x，y)代表与格子相关的盒子的中心。(w，h)为与全图信息相关的盒子的宽和高。confidence代表预测盒子的IOU和ground truth，最终输出S*S*(B*5+C)维向量。

3.根据权利要求2所述的一种基于darknet框架的物体检测系统，其特征在于，所述向量包含对图片预测的边界盒坐标信息，置信值以及每个格子的类别概率，每个边界盒的置信分数通过对应格子的类别概率和盒子的置信度相乘得到，该分数衡量了该类别出现在盒子中的概率以及该盒子与目标的吻合程度。针对网络的输出框信息和类别概率，对其进行非极大抑制处理和阈值处理舍弃重复框，得到最终的检测结果。